新闻详情

英飞凌选择 RRAM 的背后——新型存储器市场崛起之路

34
发表时间:2022-12-05 16:16作者:全球芯 | glochip.com网址:http://glochip.com/news/
文章附图

近日,英飞凌和台积电宣布,两家公司正准备将非易失性存储器 ( NVM ) RRAM ( ReRAM ) 引入英飞凌的下一代 AURIX 微控制器 ( MCU ) ,并将在台积电的 28 纳米节点上制造。

英飞凌选择 RRAM 而不是嵌入式闪存(eFlash)的背后有其考量:在新型存储器中,RRAM 不仅满足高读写速度和存储密度的要求,同时延迟可降低 1000 倍,可满足未来智能驾驶高实时数据吞吐量。安全性方面,RRAM 具备可靠性,未来有望出现高性能、高集成度、高稳定性和低功耗的车规 RRAM 存储器。英飞凌汽车微控制器总经理 Thomas Boehm 说:"RRAM 为性能扩展、功耗降低和成本改善创造了巨大潜力。"


这不是英飞凌第一次尝试新型存储器。今年 7 月,英特尔透露将逐步停下自有 Optane 存储器业务。Optane 是相变存储器 ( PCM ) 的一种变体,基于英特尔与美光联合研发的 3D Xpoint 技术。


这到底是器件或者技术本身导致的注定失败,还是新型存储器在崛起之路上的一段尝试?eeNews 在其文章《为何新型存储器尚未成功》中倾向于后者 : " 正如我们在新报告《新兴存储器进入下一阶段》中所解释的那样,越来越多的公司使用的 CMOS 代工逻辑无法将 NOR 闪存嵌入到小于 28nm 的工艺中,除非 NOR 是使用 28nm 或更大的工艺技术生产的。换句话说,芯片的逻辑部分会随着工艺的缩小而继续缩小,但 NOR 的尺寸会保持不变,这将大大减缓芯片成本的降低。SRAM 似乎也是如此。在大约 10nm 的工艺中,SRAM 的扩展速度比逻辑慢得多,尽管它并没有像 NOR 那样完全停止。"

传统存储器所具有的易失性、微缩性差等问题可以被新型非易失性存储器很好地解决。而新型存储器如何打开市场,《中国电子商情》11 月刊中的《供需混沌,迭代如常,存储器迎来怎样的 2023》一文认为:" 新技术要有市场,关键在于能否解决应用的计算和内存瓶颈。"

突破传统架构,RRAM(ReRAM)存算一体有望提升计算系统能效比

开发新计算系统源于几点:数据指数增长、功耗增加,当前计算系统的性能限制也是原因之一。对此,业界提出 " 近内存 " 或存内计算(In-memory Computing),以解决数据中心的几个问题,包括数据传输 " 存储墙 "(Memory barrier)、高功耗和时间成本。涉及深度学习网络的数据中心需要巨大的计算能量,要求高可靠性、更出色容量、带宽和性能的存储器,从而衍生出关于新的非冯 · 诺依曼系统的新兴存储技术研究。

普遍认为,RRAM(也即 ReRAM,阻变式随机存取存储器)、PCM(相变随机存取存储器)和 MRAM(磁随机存取存储器)等新型存储器是下一代存储技术路线,这些也是 " 存内计算 " 的基础技术,从技术特征来看,这些技术有哪些独特性?

资深电子器件专家 Ray 表示,上述的下一代非易失性存储器首先是作为存储级内存被提出的,在存储层级中介于内存和硬盘之间,因此,存储的性能指标对这些下一代非易失性存储器仍然适用,如面积、功耗、读写速度、集成性、成本等。此外,下一代非易失性存储器也非常适用于存内计算,而存内计算又对这些存储器提出了新的要求,如开关比、多阻态、鲁棒性等。RRAM、PCM 和 MRAM 等是目前研究较多的下一代非易失性存储器,它们各有优势和不足。

MRAM 中的磁性材料磁化方向变化的时候,从磁性材料两端电极上读取得到的隧穿电流会发生变化,从而得到不同电阻,其编写速度快、重复编写周期长,但其材料制备较复杂、开关比较低、易受扰动。

PCM 是利用相变材料在焦耳热作用下,在结晶态和非晶态之间转换,从而呈现出不同阻态,其已经在英特尔等公司的产品中使用,大规模集成性较好,但其写入速度较慢、写入能耗较大。

RRAM 主要依靠绝缘层在电场作用下,通过离子的迁移形成导电细丝,再通过控制导电细丝的通断控制阻态,综合来看在各个指标上均具有比较优异的性质,其结构简单、存储密度高且支持片上 3D 集成、开关比可达 1000 以上、读写速度和功耗适中,且其可通过控制导电细丝的形态形成多阻态,从而模仿生物大脑中神经突触功能,适合存内计算和类脑计算。

目前 RRAM 作为新兴存储器,其规模化制备的良率、成本、外围控制电路等还需进一步优化,同时,我们也很欣喜地看到国内和国际的多家制造厂商已经布局 RRAM 的制备,并且已完成晶圆级 RRAM 芯片的流片。

在 RRAM 商业化之前,还需要解决哪些难题?Ray 说道,同其他研究一样,RRAM 的科研主要解决科学问题,在进行商业化的时候还有很多工程问题需要解决,包括大规模制造、架构和软件的配合、应用场景等,但目前来看,其很多科学问题已经经过了大量的研究,取得了很多突破,这些技术问题相信随着时间的推移也将逐步解决。

物联网和网络边缘的人工智能(AI)和机器学习(ML)快速增长,这些应用端的计算系统的能效比的问题日益突出,而 RRAM 作为一种较佳的解决方案,成为研究的焦点。

Ray 进一步说道,目前的计算架构采用冯诺伊曼架构,其存储与计算单元分离,因此,在 AI 等计算应用中,大量数据需要不断在片下的内存和片上的计算单元之间搬运,然而由于内存带宽不足带来的 " 存储墙 " 问题,导致计算延时和能耗较高,难以满足 AI 模型的算力和功耗需求。存算一体技术将存储单元与计算单元融合,在存储器内利用物理定律进行计算,避免了 " 存储墙 " 问题,极大地降低了数据搬运的能耗和延时,并提升了计算的能效比。基于 RRAM 的存算一体目前是国内外的研究热点和前沿,其主要实现方式分为两种,即模拟式存算一体和数字式存算一体。

模拟式存算一体利用了 RRAM 的模拟式阻态特性,通过电导存储多比特数据。以神经网络中应用较广泛的矩阵乘积运算为例,其电导值存储神经网络的权值,输入为电压值,利用欧姆定律完成乘法,得到电流值,然后阵列中同一条数据线上的电流根据基尔霍夫电流定律相加,从而完成乘加运算。模拟式存算一体可以达到较高的存储密度,但其对环境噪声和温度较敏感,运算精度较低,主要适合低精度、小算力的应用场景。

而数字式存算一体中,其每个 RRAM 只存储一比特数据,经过乘法运算得到电流后再经过数字电路进行后续加法等运算,此种方法虽然存储密度低于模拟式存算一体,但其优势是在保证计算能效比的前提下,支持高精度、大算力的运算,提高计算的鲁棒性,从而极大地拓展了存算一体的应用场景。

相比于 CMOS 器件,目前 RRAM 的局限性主要体现在编写周期有限上,因此目前 RRAM 主要适用于 AI 推理等操作,而相信随着工艺的演进,得到更高编写周期的 RRAM 也是非常有希望的。另一个局限性是 RRAM 阻值的波动性,而此问题在数字化存算一体中可以得到很好的解决。

矽说在《存算一体是大势所趋还是审美疲劳?》一文中提到,在即将召开的 ISSCC 2023 上,存算一体相关的论文至少有 21 篇,占了整个 ISSCC 录用论文的 10%。而从技术路径来分类,纯模拟的存算一体在 session 7 (SRAM 存算一体 Macro)中只有 2 篇,其余均是数字。数字化技术将成为 " 存算一体 " 的大趋势。

紧跟趋势,国内初创公司勇闯 " 无人区 "?

提到 RRAM 和数字化存算一体,就不得不提一下日渐名声鹊起的一家国内企业——亿铸科技。根据其官网描述,自 2020 年成立以来,就专注于 " 基于 ReRAM 的全数字化存算一体 AI 大算力芯片 " 的研发。放眼全球,这种结合与尝试都是非常新的,但是这种组合否能助力新型存储器市场崛起、甚至在国产化 AI 大算力芯片上取得亮眼成绩,还需时间去验证。好在这个未来并不远——亿铸科技曾透露,其第一代芯片将于 2023 年落地,并于同年投片第二代芯片。且让我们拭目以待。


Home                                    Product                                        News                                   About                                        Contact
Tel:0755-84866816  13924645577
Tel:  0755-84828852   13924649321
Web:  www.glochip.com
Mail:kevin@glochip.com
Add: 深圳市龙岗区大运软件小镇1栋401
Mobile: 13924645577    13924649321 
       微信咨询
加密芯片  华芯微特   艾迪科泰    博雅科技    补丁科技    晶存科技   华大电子   妙存科技   三星半导体   海力士  镁光科技     南亚科技  铠侠半导体  金士顿   Skyhigh  Netsol

SRAM MRAM SDRAM DDR1 DDR2 DDR3 DDR4 DDR5 LPDDR3 LPDDR4 LPDDR4X LPDDR5 LPDDR5X NAND FLASH  NOR FLASH eMMC UFS eMCP uMCP